在迭代文件夹结构时匹配文件中的文本

Question

我正在寻找匹配我使用 docx 从 word 文档文件中提取的列表中的文本我想搜索我的文档文件夹文件并打印匹配项

import docx
import os
d = docx.Document('C:\Users\name\document.docx')
tables = list(d.tables)

tbl = d.tables
drive_firmware_list = []
for table in tables:
    for row in table.rows:
        drive_firmware_list.append(row.cells[0].text)

print(drive_firmware_list)

我使用上面的代码从文档中提取了需求信息

directory = ('C:\Users\name\My_reports')
doc_list =[]

count = 0
for subdir, dirs, files in os.walk(directory):
    for file in files:
        # print (os.path.join(subdir, file))
        filepath = subdir + os.sep + file
        if filepath.endswith(".docx"):
            if '2020'in filepath:# only selcting 2020 files 
                count +=1
                doc_list.append(filepath)

#use "\n" .join to print the list on seperate lines
# print('\n'.join(doc_list))

for file in doc_list:
    if 'Optimize' not in file:
        doc_list.remove(file)
print ('\n'.join(doc_list))

我迭代了文件夹并提取了所有 word doc 文件并删除了我不需要的文件，使用上面的代码我想针对 drive_firmware_list 数组迭代 doc_list，并打印匹配项。考虑到 doc_list 是一个单词文档列表，最好的方法是什么？

Answer 1

如果我对你的问题的理解正确，你想运行第一个示例中的代码与你在第二个示例中收集的所有 .docx 文件进行对比？

你可以为此使用一个函数：

import docx
import os

def extract_firmware_list(filename):
    d = docx.Document(filename)

    drive_firmware_list = []
    for table in d.tables:
        for row in table.rows:
            drive_firmware_list.append(row.cells[0].text)

    return drive_firmware_list

# i'm leaving out the code to build up the doc_list

for filename in doc_list:
    print(extract_firmware_list(filename))

在迭代文件夹结构时匹配文件中的文本

match text within a file while iterating the folder structure

python

loops

docx